• 问答
  • 技术
  • 实践
  • 资源
ECCV 2020 论文大盘点-语义分割篇
论文速递
来源:我爱计算机视觉


最近我们在总结ECCV 2020 的论文,分割类论文总计 93 篇,语义分割几乎占据半壁江山。本文包含 43 篇语义分割(Semantic Segmentation)相关论文,其中 oral 2 篇,spotlight 4 篇。其中一半的论文开源或将开源。

下载包含这些论文的 ECCV 2020 所有论文:

ECCV 2020 论文合集下载,分类盘点进行中

语义分割

Synthesize then Compare: Detecting Failures and Anomalies for Semantic Segmentation

作者 | Yingda Xia, Yi Zhang, Fengze Liu, Wei Shen, Alan Yuille

单位 | 约翰斯霍普金斯大学论文 | https://arxiv.org/abs/2003.08440

备注 | ECCV2020 Oral

这是一篇非常有启发意义的文章,将语义分割与图像合成用于缺陷检测和异常检测。在这两个问题重往往难以找到大量的真实数据集。

用正常图像作为训练样本训练得到的语义分割模型。作者认为将一幅图像先经过语义分割,然后用分割图重建原图,如果得到的重建图和原图差异不大,则不存在缺陷和异常,反之则存在明显的问题。

作者为此任务设计了含语义分割模块、图像合成模块、比较模块的系统,实验证明在几个主流数据集上都取得了最好的效果。

弱监督语义分割

Mining Cross-Image Semantics for Weakly Supervised Semantic Segmentation

作者 | Guolei Sun, Wenguan Wang, Jifeng Dai, Luc Van Gool

单位 | 苏黎世联邦理工学院;商汤;上海交通大学

论文 | https://arxiv.org/abs/2007.01947

代码 | https://github.com/GuoleiSun/MCIS\_wsss

备注 | ECCV2020 Oral;CVPR2020 LID研讨会最佳论文;LID挑战赛Track1获奖者

语义分割任务的标注往往需要大量的人力成本,该文挖掘跨图像的语义信息,用于减少标注,实现弱监督的语义分割。

Mining Cross-Image Semantics for Weakly Supervised Semantic Segmentation_腾讯视频​v.qq.com图标

Splitting vs. Merging: Mining Object Regions with Discrepancy and Intersection Loss for Weakly Supervised Semantic Segmentation

作者 | Tianyi Zhang, Guosheng Lin, Weide Liu, Jianfei Cai, Alex Kot

单位 | 南洋理工大学;A*star;蒙纳士大学

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123670664.pdf

备注 | ECCV 2020

Weakly Supervised Semantic Segmentation with Boundary Exploration

作者 | Liyi Chen, Weiwei Wu, Chenchen Fu, Xiao Han, Yuntao Zhang

单位 | 东南大学

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123710341.pdf

备注 | ECCV 2020

半监督语义分割

语义分割+半监督学习

Negative Pseudo Labeling using Class Proportion for Semantic Segmentation in Pathology

作者 | Hiroki Tokunaga, Brian Kenji Iwana, Yuki Teramoto, Akihiko Yoshizawa, Ryoma Bise

单位 | 日本九州大学;Kyoto University Hospital

论文 | https://arxiv.org/abs/2007.08044

备注 | ECCV 2020

Semi-supervised Semantic Segmentation via Strong-weak Dual-branch Network

作者 | Wenfeng Luo, Meng Yang

单位 | 中山大学等

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123500766.pdf

备注 | ECCV 2020

少样本语义分割

语义分割+少样本分割+少样本学习

Prototype Mixture Models for Few-shot Semantic Segmentation

作者 | Boyu Yang, Chang Liu, Bohao Li, Jianbin Jiao, Qixiang Ye

单位 | 国科大

论文 | https://arxiv.org/abs/2008.03898

代码 | https://github.com/Yang-Bob/PMMs

备注 | ECCV 2020

Part-aware Prototype Network for Few-shot Semantic Segmentation

作者 | Yongfei Liu, Xiangyi Zhang, Songyang Zhang, Xuming He

单位 | 上海科技大学等

论文 | https://arxiv.org/abs/2007.06309

代码 | https://github.com/Xiangyi1996/PPNet-PyTorch

备注 | ECCV 2020

Few-Shot Semantic Segmentation with Democratic Attention Networks

作者 | Haochen Wang, Xudong Zhang, Yutao Hu, Yandan Yang, Xianbin Cao, Xiantong Zhen

单位 | 北航等

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123580715.pdf

备注 | ECCV 2020

3D语义分割

3D语义分割+单图三维重建

Image-to-Voxel Model Translation for 3D Scene Reconstruction and Segmentation

作者 | Vladimir V. Kniaz, Vladimir A. Knyaz, Fabio Remondino, Artem Bordodymov, Petr Moshkantsev

单位 | 莫斯科物理技术学院

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123520103.pdf

代码 | https://github.com/vlkniaz/SSZ

主页 | http://www.zefirus.org/SSZ

备注 | ECCV 2020

人类可以轻易从一幅2D图像中感知物体的类别、深度、形状等,但目前AI却单独处理这些感知任务。来自莫斯科物理技术学院的研究学者期望探究一个算法框架解决上述问题,于是他们创建了涵盖11万幅图像和与其对应的语义体素模型、深度图和物体6D姿态的数据集,并构建了卓有成效的模型,实验证明该模型表现出了卓越的性能,代码和数据均将开源。

Image-to-Voxel Model Translation for 3D Scene Reconstruction and Segmentation_腾讯视频​v.qq.com图标

Virtual Multi-view Fusion for 3D Semantic Segmentation

作者 | Abhijit Kundu, Xiaoqi Yin, Alireza Fathi, David Ross, Brian Brewington, Thomas Funkhouser, Caroline Pantofaru

单位 | 谷歌

论文 | https://arxiv.org/abs/2007.13138

主页 | https://abhijitkundu.info/projects/multiview\_segmentation/

备注 | ECCV 2020

Virtual Multi-view Fusion for 3D Semantic Segmentation_腾讯视频​v.qq.com图标

3D 语义分割+点云

Efficient Outdoor 3D Point Cloud Semantic Segmentation for Critical Road Objects and Distributed Contexts

作者 | Chi-Chong Wong, Chi-Man Vong

单位 | 澳门大学

论文 | https://www.ecva.net/papers/eccv\_2020/

papers_ECCV/papers/123720494.pdf

备注 | ECCV 2020

点云语义分割

语义分割+3D点云

JSENet: Joint Semantic Segmentation and Edge Detection Network for 3D Point Clouds

作者 | Zeyu Hu, Mingmin Zhen, Xuyang Bai, Hongbo Fu, Chiew-lan Tai

单位 | 香港科技大学;香港城市大学

论文 | https://arxiv.org/abs/2007.06888

代码 | https://github.com/hzykent/JSENet

备注 | ECCV 2020

Deep FusionNet for Point Cloud Semantic Segmentation

作者 | Feihu Zhang, Jin Fang,Benjamin Wah,Philip Torr1

单位 | 牛津大学;百度;港中文

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123690630.pdf

代码 | https://github.com/feihuzhang/LiDARSeg(即将)

备注 | ECCV 2020

跨域语义分割

Classes Matter: A Fine-grained Adversarial Approach to Cross-domain Semantic Segmentation

作者 | Haoran Wang, Tong Shen, Wei Zhang, Lingyu Duan, Tao Mei

单位 | 苏黎世联邦理工学院;京东AI;北大

论文 | https://arxiv.org/abs/2007.09222

代码 | https://github.com/JDAI-CV/FADA

备注 | ECCV 2020

语义分割

Indirect Local Attacks for Context-aware Semantic Segmentation Networks

作者 | Krishna Kanth Nakka, Mathieu Salzmann

单位 | 洛桑联邦理工学院

论文 | https://arxiv.org/abs/1911.13038

备注 | ECCV 2020 Spotlight

语义分割

Object-Contextual Representations for Semantic Segmentation

作者 | Yuhui Yuan, Xilin Chen, Jingdong Wang

单位 | 中科院;国科大;微软亚洲研究院

论文 | https://arxiv.org/abs/1909.11065

代码 | https://git.io/openseg

代码 | https://git.io/HRNet.OCR

备注 | ECCV 2020 Spotlight

语义实例分割

Joint Semantic Instance Segmentation on Graphs with the Semantic Mutex Watershed

作者 | Steffen Wolf , Yuyan Li , Constantin Pape , Alberto Bailoni ,Anna Kreshuk, Fred A Hamprecht

单位 | 海德堡大学等

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123510205.pdf

备注 | ECCV 2020 Spotlight

语义分割

Unsupervised Domain Adaptation for Semantic Segmentation of NIR Images through Generative Latent Search

作者 | Prashant Pandey, Aayush Kumar Tyagi, Sameer Ambekar, Prathosh AP

单位 | 德里印度理工学院

论文 | https://arxiv.org/abs/2006.08696

代码 | https://github.com/ambekarsameer96/GLSS

备注 | ECCV 2020 Spotlight

Unsupervised Domain Adaptation for Semantic Segmentation of NIR Images _腾讯视频​v.qq.com

语义分割+知识蒸馏

Intra-class Feature Variation Distillation for Semantic Segmentation

作者 | Yukang Wang, Wei Zhou, Tao Jiang, Xiang Bai, Yongchao Xu

单位 | 武汉大学;华中科技大学

论文 | http://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123520341.pdf

代码 | https://github.com/YukangWang/IFVD(未开源)

备注 | ECCV 2020

语义分割

GMNet: Graph Matching Network for Large Scale Part Semantic Segmentation in the Wild

作者 | Umberto Michieli, Edoardo Borsato, Luca Rossi, Pietro Zanuttigh

单位 | 帕多瓦大学

论文 | https://arxiv.org/abs/2007.09073

代码 | https://github.com/LTTM/GMNet

备注 | ECCV 2020

GMNet:_腾讯视频​v.qq.com图标

语义分割

Domain Adaptive Semantic Segmentation Using Weak Labels

作者 | Sujoy Paul, Yi-Hsuan Tsai, Samuel Schulter, Amit K. Roy-Chowdhury, Manmohan Chandraker

单位 | UC Riverside ;NEC Laboratories America ;UC San Diego

论文 | https://arxiv.org/abs/2007.15176

主页 | http://www.nec-labs.com/\~mas/WeakSegDA/

备注 | ECCV 2020

Domain Adaptive Semantic Segmentation Using Weak Labels_腾讯视频​v.qq.com图标

语义分割

Increasing the Robustness of Semantic Segmentation Models with Painting-by-Numbers

作者 | Christoph Kamann, Carsten Rother

单位 | 罗伯特·博世公司 (Robert Bosch);海德堡大学

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123550375.pdf

备注 | ECCV 2020

语义分割

Bi-directional Cross-Modality Feature Propagation with Separation-and-Aggregation Gate for RGB-D Semantic Segmentation

作者 | Xiaokang Chen, Kwan-Yee Lin, Jingbo Wang, Wayne Wu, Chen Qian, Hongsheng Li, Gang Zeng

单位 | 北大;商汤;港中文

论文 | https://arxiv.org/abs/2007.09183

代码 | https://github.com/charlesCXK/RGBD\_Semantic\_Segmentation\_PyTorch

备注 | ECCV 2020

语义分割+域适应

Content-Consistent Matching for Domain Adaptive Semantic Segmentation

作者 | Guangrui Li, Guoliang Kang, Wu Liu, Yunchao Wei, Yi Yang

单位 | 悉尼科技大学;卡内基梅隆大学;京东AI

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123590426.pdf

代码 | https://github.com/Solacex/CCM

备注 | ECCV 2020

语义分割

Contextual-Relation Consistent Domain Adaptation for Semantic Segmentation

作者 | Jiaxing Huang, Shijian Lu, Dayan Guan, Xiaobing Zhang

单位 | 南洋理工大学;电子科技大学

论文 | https://arxiv.org/abs/2007.02424

代码 | https://github.com/jxhuang0508/CrCDA(即将)

备注 | ECCV 2020

语义分割

Class-wise Dynamic Graph Convolution for Semantic Segmentation

作者 | Hanzhe Hu, Deyi Ji, Weihao Gan, Shuai Bai, Wei Wu, Junjie Yan

单位 | 北大;商汤;北邮

论文 | https://arxiv.org/abs/2007.09690

备注 | ECCV 2020

语义分割

Tensor Low-Rank Reconstruction for Semantic Segmentation

作者 | Wanli Chen, Xinge Zhu, Ruoqi Sun, Junjun He, Ruiyu Li, Xiaoyong Shen, Bei Yu

单位 | 港中文;上海交通大学;中科院;SmartMore

论文 | https://arxiv.org/abs/2008.00490

代码 | https://github.com/CWanli/RecoNet(未开源)

备注 | ECCV 2020

语义分割

Employing Multi-Estimations for Weakly-Supervised Semantic Segmentation

作者 | Junsong Fan, Zhaoxiang Zhang , Tieniu Tan

单位 | 中科院;国科大等

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123620324.pdf

备注 | ECCV 2020

语义分割

Improving Semantic Segmentation via Decoupled Body and Edge Supervision

作者 | Xiangtai Li, Xia Li, Li Zhang, Guangliang Cheng, Jianping Shi, Zhouchen Lin, Shaohua Tan, Yunhai Tong

单位 | 北大;之江实验室(zhejiang lab);牛津大学;商汤

论文 | https://arxiv.org/abs/2007.10035

代码 | https://github.com/lxtGH/DecoupleSegNets

备注 | ECCV 2020

语义分割

Learning from Scale-Invariant Examples for Domain Adaptation in Semantic Segmentation

作者 | M.Naseer Subhani, Mohsen Ali

单位 | Information Technology University

论文 | https://arxiv.org/abs/2007.14449

备注 | ECCV 2020

语义分割

Segmentations-Leak: Membership Inference Attacks and Defenses in Semantic Image Segmentation

作者 | Yang He, Shadi Rahimian, Bernt Schiele, Mario Fritz

单位 | Saarland Informatics Campus

论文 | https://arxiv.org/abs/1912.09685

备注 | ECCV 2020

语义分割

SideInfNet: A Deep Neural Network for Semi-Automatic Semantic Segmentation with Side Information

作者 | Jing Yu Koh, Duc Thanh Nguyen, Quang-Trung Truong, Sai-Kit Yeung, Alexander Binder

单位 | 新加坡科技设计大学;迪肯大学;香港科技大学

论文 | https://arxiv.org/abs/2002.02634

备注 | ECCV 2020

语义分割

Attend and Segment: Attention Guided Active Semantic Segmentation

作者 | Soroush Seifi, Tinne Tuytelaars

单位 | 鲁汶大学

论文 | https://arxiv.org/abs/2007.11548

备注 | ECCV 2020

语义分割

Learning to Predict Context-adaptive Convolution for Semantic Segmentation

作者 | Jianbo Liu, Junjun He, Jimmy S. Ren, Yu Qiao, Hongsheng Li

单位 | 港中文-商汤联合实验室;中科院;商汤

论文 | https://arxiv.org/abs/2004.08222

备注 | ECCV 2020

语义分割

EfficientFCN: Holistically-guided Decoding for Semantic Segmentation

作者 | Jianbo Liu, Junjun He, Jiawei Zhang, Jimmy S. Ren, Hongsheng Li

单位 | 港中文-商汤联合实验室;中科院;商汤

论文 | https://arxiv.org/abs/2008.10487

备注 | ECCV 2020

使用边界框(噪声标签)进行语义分割

Box2Seg: Attention Weighted Loss and Discriminative Feature Learning for Weakly Supervised Segmentation

作者 | Viveka Kulharia, Siddhartha Chandra, Amit Agrawal, Philip Torr, Ambrish Tyagi

单位 | 亚马逊 Lab126;牛津大学

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123720290.pdf

代码 | https://github.com/vivkul/Box2Seg(即将)

备注 | ECCV 2020

层次语义分割,高分辨率语义分割

Document Structure Extraction using Prior based High Resolution Hierarchical Semantic Segmentation

作者 | Mausoom Sarkar, Milan Aggarwal, Arneh Jain, Hiresh Gupta, Balaji Krishnamurthy

单位 | Adobe等

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123730647.pdf

备注 | ECCV 2020

语义分割

Regularized Loss for Weakly Supervised Single Class Semantic Segmentation

作者 | Olga Veksler

单位 | 滑铁卢大学

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123740341.pdf

代码 | https://github.com/morduspordus/SingleClassRL

备注 | ECCV 2020

Label-Driven Reconstruction for Domain Adaptation in Semantic Segmentation

作者 | Jinyu Yang, Weizhi An, Sheng Wang, Xinliang Zhu, Chaochao Yan, Junzhou Huang

单位 | 德克萨斯大学阿灵顿分校

论文 | https://arxiv.org/abs/2003.04614

备注 | ECCV 2020

语义分割用于Freespace Detection

SNE-RoadSeg: Incorporating Surface Normal Information into Semantic Segmentation for Accurate Freespace Detection

作者 | Rui Fan, Hengli Wang, Peide Cai, Ming Liu

单位 | 加利福尼亚大学圣迭戈分校;香港科技大学

论文 | https://arxiv.org/abs/2008.11351

代码 | https://github.com/hlwang1124/SNE-RoadSeg

备注 | ECCV 2020

可通行区域检测(FreeSpace detection)是自动驾驶环境感知的重要内容,而可通行区域可被假设为“地平面”,其上的点具有一致的表面法向量。

据此,来自UC San Diego 与 HKUST 的学者提出一种表面法向估计(SNE)方法,并将其与RGB数据融合提出可通行区域检测算法SNE-RoadSeg,同时作者还建立了大型虚拟数据集,实验证明在多个不同数据集上该算法都取得了最好的精度。

代码和数据均开放下载。

Freespace Detection_腾讯视频​v.qq.com图标

  • 4
  • 0
  • 3410
收藏
暂无评论
Find me
大咖

一个大的公司

  • 18,119

    关注
  • 267

    获赞
  • 54

    精选文章
近期动态
  • 哈工大深圳研究生院CV汪,请原谅我这一生放纵不羁爱CV~
文章专栏
  • Awsome-Github 资源列表